refactor(model): update architecture docs and set dueling as default algorithm

- model.py: add CNN vs MLP selection rationale, receptive field analysis,
correct DuelingDQN conclusion from R1 (45%) to R4 final (84% Holdout)
- config.yaml: switch default algorithm double -> dueling (R4 ablation best)

config.yaml

@@ -29,10 +29,10 @@ dqn:
 
   # ── Algorithm variant ─────────────────────────────────────────────────
   # vanilla        : DQNNetwork    + Vanilla Target   (Mnih et al., 2015)
-  # double         : DQNNetwork    + Double DQN       (van Hasselt et al., AAAI 2016)  ← 最优（R3 Holdout 74%）
-  # dueling        : DuelingDQN    + Vanilla Target   (Wang et al., 2016)
+  # double         : DQNNetwork    + Double DQN       (van Hasselt et al., AAAI 2016)
+  # dueling        : DuelingDQN    + Vanilla Target   (Wang et al., 2016)  ← 最优（R4 Holdout 84%）
   # double_dueling : DuelingDQN    + Double DQN       (两项改进正交叠加)
-  algorithm: "double"
+  algorithm: "dueling"
 
   # ── Replay Buffer ────────────────────────────
   buffer_capacity: 80000      # max transitions stored (ring-list, O(batch_size) sampling)

src/model.py

@@ -19,6 +19,17 @@
 * Flatten 后接两层全连接，避免参数量随 N² 爆炸时 FC 层过大。
 * 权重初始化：Conv 层用 Kaiming Normal（ReLU 最优），FC 层用 Xavier Uniform。
 
+架构选型论证
+------------
+* **CNN vs MLP**：观测为 (4, N, N) 结构化网格，CNN 具有平移等变性——"墙在左、目标在右"的
+  空间关系无论出现在地图何处，同一 filter 均可检测，参数效率优于 MLP。MLP 需要
+  将所有位置的空间关系独立学习，在随机起终点设定下泛化更差。
+* **感受野分析**：三层 3×3 Conv（无 stride/pool）的理论感受野 = 3 + 2×(3-1) = 7×7。
+  对 10×10 迷宫，7×7 感受野无法覆盖全图（对角线距离约 14 格）；但 Flatten 后接的
+  全连接层将所有位置特征全局混合，弥补了 CNN 局部感受野的不足。Flatten→FC 的
+  全局聚合使网络实际上能对全图状态建模，纯感受野计算低估了该架构的全局感知能力。
+  若迁移至更大迷宫（≥20×20），建议在第三层 Conv 后加 stride=2 或 Global Average Pooling。
+
 验收断言（直接运行本文件）::
 
     python src/model.py
@@ -118,9 +129,9 @@ class DuelingDQNNetwork(nn.Module):
 
     相比 DQNNetwork 的优势：在大多数迷宫格子中，各动作的相对优劣差距很小
     （"往目标走"总是最优），此时 V(s) 可独立精确学习而无需每个动作都更新，
-    理论上参数效率更高，但本项目实验（随机起终点，10×10 迷宫）显示 Dueling DQN
-    Holdout 成功率（45%）低于 Double DQN（61%），说明在当前任务规模下价值/优势
-    分解的收益未能弥补训练稳定性损失。架构本身仍被保留供消融对比。
+    理论上参数效率更高。本项目完整消融实验（随机起终点，10×10 迷宫，R4 最终结果）
+    证实了这一优势：Dueling DQN Holdout 成功率 84%，优于 Double DQN（78%）和
+    Double+Dueling（81%），V/A 分解与迷宫"多动作等效"状态高度适配。
 
     Args:
         grid_size:      迷宫边长 N，决定 Flatten 后的特征维度。